Cabe reflexionar que sólo se está analizando el 1% de la ingente cantidad de datos que circulan (según el analista IDC), por lo tanto, el reto disruptivo y transformador de las empresas es cómo ser capaces de procesar (evaluar, seleccionar, analizar, implementar, cambiar, relacionar…) toda esa información compleja, y además, en tiempo real (el tiempo necesario para que esa información sea útil para nuestro negocio). Reto que se magnifica al pensar que en el 2020 se estima que más de 30 millones de dispositivos estarán conectados a internet (Internet de las Cosas) generando información, que también será necesario procesar.
Gracias a los avances tecnológicos como el procesamiento de altos volúmenes de datos (Big Data), el aumento de capacidad de computación y el avance de los sistemas analíticos, las empresas pueden sacar mejor partido de los datos para ser más competitivos y tomar las decisiones mejores para sus negocios, con agilidad y con ahorro de tiempo. Para ello la tecnología actual nos proporciona la ayuda que se necesita para identificar patrones complejos (a partir de millones de datos) y para ofrecernos resultados rápidos y precisos sin intervención humana. Si además de identificar patrones, el sistema es capaz de revisar los datos y predecir comportamientos futuros, podemos calificarle como sistema de aprendizaje automático.
El aprendizaje automático o aprendizaje de máquinas (del inglés, “Machine Learning“) es una disciplina científica de la inteligencia artificial cuyo objetivo es desarrollar algoritmos que permitan a los ordenadores (máquinas) aprender. La máquina a partir del análisis de datos es capaz de generalizar comportamientos mediante un proceso sofisticado de inducción del conocimiento y resolver problemas complejos.
Todos los que hemos realizado alguna compra por internet hemos recibido instantáneamente recomendaciones de productos que nos pueden interesar, y ¿quién o qué está detrás? para ello se está utilizando Machine Learning (ML). Otras aplicaciones actuales se enfocan en predecir fallos de maquinaria, detectar oportunidades de negocio, detectar fraude en transacciones, seleccionar los mejores currículos candidatos para un puesto libre, seleccionar clientes más potenciales, predecir el tráfico urbano, predecir posibles enfermedades basados en síntomas, almacenar compuestos químicos correctamente para evitar posibles reacciones químicas, reconocimiento visual, robótica predictiva, generar informes o cartas respuesta automáticas…
Estos ejemplos ratifican que el aprendizaje de las máquinas (ML) puede dotar de inteligencia a los entornos empresariales liberando a los trabajadores de tareas y procesos más rutinarios que requieren una dedicación de tiempo importante.
Sin duda se dedicarán importantes recursos para entrenar a las máquinas y permitirles aprender, dado el enorme potencial en todos los sectores. Según el analista Gartner, las máquinas inteligentes serán tendencia a partir de 2021, alcanzando un 30% de adopción por parte de las grandes compañías.
Algunos se preguntan si los sistemas de aprendizaje automático reemplazarán al ser humano. La realidad es que cambia la forma en que se realiza el trabajo y cómo se crea valor, requiriendo nuevos modelos de negocio ajustando todos los recursos. Lo que no alcanzan actualmente las máquinas denominadas “inteligentes” es la intuición humana, por lo que es necesaria una colaboración entre el ser humano y la computadora.
Pedro Robledo
Experto en Business Process Management (BPM) y Transformación Digital
Reproducción autorizada por Madrid Code. Ver artículo original
No hay comentarios.